c:usersadolfodocumentsmy pctex fileslesli1lesli1

Revista Mexicana de Economıa y Finanzas, Vol. 11, No. 3, (2016), pp. 23-46 23

Stress-Testing para carteras de credito del Sistema Bancario Mexicano

Leslie A. Jimenez Rosas∗

El Colegio de Mexico, Centro de Estudios Economicos

Guillermo Benavides PeralesBanco de Mexico, Direccion General de Investigacion Economica

(Recibido 5 de agosto 2015, aceptado 15 de diciembre de 2015.)

ResumenEl objetivo del presente trabajo es generar un esquema que permita evaluar la vulnerabili-

dad de las carteras de credito de instituciones del Sistema Bancario Mexicano ante choques

macroeconomicos adversos. Con este fin, se emplearon datos del radio entre cartera vencida y

total, de 2000 a 2014, para 65 instituciones financieras. A traves del metodo Seemingly Unre-

lated Regressions (SUR), se estimo un sistema de ecuaciones que relaciona los indicadores de

probabilidad de incumplimiento con diversos factores macroeconomicos, el cual fue utilizado

para estimar distribuciones de probabilidad, una incondicional y otras condicionadas a la

ocurrencia de choques particulares en las variables macroeconomicas, para evaluar el impacto

sobre las probabilidades de incumplimiento. Los resultados indican que la perdida estimada

en situaciones de estres no aumenta significativamente, por lo que se concluye que el riesgo

es moderado bajo los escenarios seleccionados. El valor del documento consiste en relacionar

diversos factores macroeconomicos con el incumplimiento en las carteras de credito; cabe

senalar que los resultados estan limitados a la ocurrencia de los escenarios de estres inducidos

y el horizonte de estimacion del modelo econometrico.

Clasificacion JEL: C15, G21, G28, G33.

Palabras clave: Riesgo de credito; Analisis de estres; Banca.

Stress-Testing for Credit Portfolios in the Mexican Banking SystemAbstractThe aim of this paper is to present a scheme to assess vulnerability to adverse macroeconomic

shocks in aggregate loan portfolios of the Mexican banking system. The used database consists

of monthly aggregate information of the radius between nonperforming loans and total loans,

for the period 2000-2014, for a total of 65 financial institutions. Through the Seemingly

Unrelated Regressions (SUR) methodology, we estimated an equations system to link the

default probability and macroeconomic factors, the obtained system was used to estimate the

probability distributions, unconditional and conditional upon the occurrence of particular

shocks in relevant macroeconomic variables. The outcome indicates that the estimated loss

from the different distributions under stress does not increase significantly, so, we conclude

that the risk in this sector is moderate under the selected scenarios. The most important result

of the work is the obtained relation between default probabilities and stressed macroeconomic

factors, but these results are limited by the probability of ocurrence of these induced stress

scenarios and the horizon of the estimated econometric model.

JEL Classification :C15, G21, G28, G33.

Key Words: Credit Risk, Stress Testing, Banking.

∗ Banco de Mexico. Av. 5 de Mayo 2, Centro, Ciudad de Mexico, C. P. 06059, Mexico

Tel. (55)5237-2000 Ext. 3877. Correo Electronico:[email protected]

Los comentarios aquı expuestos son exclusivamente de los autores y no necesariamente

representan la opinion o punto de vista del Banco de Mexico

24 Nueva Epoca REMEF (The Mexican Journal of Economics and Finance)

1. Introduccion

En anos recientes se ha puesto un gran empeno en la mejora y extension de laregulacion a instituciones financieras. El riesgo de credito es un componenteimportante ya que a pesar de que los tipos de productos que los bancosofrecen cambia continuamente, estos incluyen frecuentemente un componentede riesgo de credito. Debido a su importancia, este tipo de riesgo ha sido temade discusion constante en los acuerdos de Basilea, principalmente en la segundaentrega surgida en 2004. Esto ha llevado a la implementacion de sistemascorrectivos y evolutivos en la banca para poder hacer frente a los requerimientosderivados de esta regulacion, aunque el costo que implica este desarrollo hademorado a muchas instituciones en su aplicacion.

El Stress-Testing se ha convertido en una herramienta importante en elmanejo de riesgo en las instituciones financieras, lo cual se define, segun elBank for Intenational Settlements (BIS) en un reporte del ano 2000, como unrango de tecnicas utilizadas para evaluar la vulnerabilidad de una instituciono un sistema financiero ante shocks macroeconomicos “excepcionales peroplausibles”. Este tipo de analisis ofrece la ventaja de hacer posiblela obtencion de un valor esperado del impacto en medidas como el valoresperado de la perdida derivada del impago de los acreedores; esto puede ser atraves de un analisis de escenarios, que analiza efectos derivados del cambio enmultiples variables correlacionadas, en ese sentido permite evaluar la necesidadde medidas precautorias para asegurar estabilidad en caso de shocks adversosdrasticos.

Gradualmente las tecnicas de Stress-Testing han sido aplicadas no solo ainstituciones individuales, sino en un contexto mas amplio con el objetivo demedir la sensibilidad de un grupo de instituciones financieras o incluso de unsistema financiero completo ante choques comunes. Aunque, en este contexto,en una parte importante de la literatura existente no se hace hincapie en lasconexiones que son inherentes a cualquier sistema financiero. Es por eso quealgunos especialistas senalan que es mas apropiado llamarlo “System-Focused”Stress-Test cuando este es aplicado a un sistema financiero, para hacer enfasisen las limitaciones que conlleva la realizacion del ejercicio.

El objetivo del “System-Focused” Stress-Test es identificar vulnerabilidadconjunta de las instituciones que pueda debilitar la estabilidad de un sistemafinanciero. Una diferencia fundamental con el analisis individual de portafolioses que este incluye la agregacion y/o comparacion entre portafolios que son masheterogeneos, que pueden estar basados en diferentes supuestos y metodos decalculo. El valor agregado de un analisis como este reside en que integra unaperspectiva macroeconomica prospectiva, un enfoque panoramico en el sistemafinanciero, y un acercamiento uniforme para la evaluacion del riesgo a travesde instituciones. Puede contribuir a un mejor entendimiento de las relacionesentre el sector financiero y la macroeconomıa.

El analisis de Stress-Testing es mejor visto como un proceso, aunque nonecesariamente las etapas siguen algun orden. En primer lugar es precisoidentificar las vulnerabilidades especıficas o areas de preocupacion, ya que noes realista el analisis de todo posible factor de riesgo. Aquı se busca identificarindicadores macroeconomicos que puedan representar la situacion economica


en una “big picture”, junto con indicadores centrados en la situacion de cadainstitucion financiera.

La siguiente etapa consiste en la construccion de escenarios en el contextode un esquema macroeconomico consistente, cabe senalar que es de sumaimportancia asegurar la consistencia de estos, ya que cuando el escenario hasido definido, la probabilidad con que este ocurra no se considera mas un puntoa considerar en el analisis. Los escenarios a utilizar en el analisis de estres sonvariados y pueden ser seleccionados a partir de datos historicos, considerandohipotesis plausibles (verosımiles) o experiencias de paıses semejantes.

Por ultimo, pero siendo de vital importancia, esta la estimacion de modeloempırico. Una vez especificado se utiliza para obtener valores estimados de losindicadores asociados a las instituciones condicionados a la ocurrencia de losescenarios adversos.

El objetivo de este trabajo es desarrollar un esquema para pruebas deestres a nivel agregado de instituciones financieras mexicanas derivado dediversas carteras de credito, que ante un escenario de inestabilidad financieraoriginado a partir de la crisis del 2007, representa un acercamiento a lamedicion del riesgo en este sector. Aun cuando la relacion entre el sector fi-nanciero y el macroeconomico parece muy intuitiva, la modelacion y estimacionespecıfica de las relaciones entre variables macroeconomicas y las probabilidadesde incumplimiento para el caso mexicano es la aportacion buscada. Una vezrealizadas estas estimaciones se empleara el modelo para analizar el impacto deescenarios adversos en la economıa sobre las variables financieras del SistemaBancario Mexicano.

Despues de revisar la literatura relacionada, en la primera seccion sedescriben los esquemas econometricos representativos y los resultados obtenidospor el metodo Seemingly Unrelated Regressions (SUR). En la segunda seccion sedescribe el procedimiento para realizar simulacion Monte Carlo y los escenariosde estres inducidos, finalmente se muestran los efectos de estos escenarios en ladistribucion de probabilidad asociada.2. Revision literariaExisten diversos estudios que han utilizado diferentes modalidades de esquemamacroeconometrico para aplicarlo a sistemas bancarios completos en diferentespaıses. En Wilson(1997a y 1997b) de KPMG, se presenta un trabajo que haservido de referencia para una amplia variedad de estudios debido a que planteael modelo conocido como Credit Portfolio View (CPV), la tasade incumplimiento y probabilidades de transicion de rating son explıcitamenteligadas a algunas variables macroeconomicas y las perdidas en los portafoliosson calculadas mediante el uso de simulacion Monte Carlo.

En Boss (2002) se modelan las tasas de incumplimiento observadasen prestamos bancarios en Austria desde 1965 hasta 2001. Se usa el modeloCVP y las tasas de incumplimiento son explicadas por 8 diferentes variablesmacroeconomicas elegidas de un grupo de 31 candidatas. El modelo esutilizado para simular y para realizar analisis de estres sobre las perdidascrediticias en el sistema bancario Australiano y concluye que la capacidad quelos bancos tienen para soportar riesgo es mas que adecuada.

Virolainen (2004) aplica el modelo de CVP sobre las probabilidades


de banca rota para sectores industriales especıficos sobre el periodo detiempo desde 1986 hasta 2003 y estima un modelo macroeconometricode riesgo de credito para el sector corporativo de Finlandia. Los resultadossugieren una relacion significativa entre las tasas de incumplimiento corporati-vas y los factores macroeconomicos clave incluidos en GDP, tasas de interes yendeudamiento corporativo. El modelo estimado es empleado para analizar elriesgo de credito corporativo condicionado sobre las condiciones macroeconomi-cas. Tambien se encontro una estrecha dependencia entre las provisiones parainsolvencias de los bancos y los indicadores de la actividad economica en esce-narios de estres.

En Wong(2008) se desarrolla un esquema de Macro-Stress-Testing paramedir la vulnerabilidad de los portafolios de prestamos bancarios ehipotecas en Hong Kong, se introducen diferentes shocks sobre las variablesmacroeconomicas para simular lo ocurrido durante la crisis financiera asiatica.El documento muestra la construccion de modelos macroeconomicos de riesgode credito, uno para las carteras globales de prestamos y, para mostrar queel mismo esquema puede aplicarse en diferentes sectores economicos, el otromodelo es para exposiciones hipotecarias de los bancos. Cada uno compuestopor un modelo de regresion multiple y un conjunto de modelos autoregresivosestimados por el metodo de Seemingly Unrelated Regression (SUR), que tienencomo proposito examinar la relacion entre la tasa de default en los prestamosbancarios y los diferentes valores macroeconomicos basados en datos historicos.Tomando en cuenta el esquema generado por las regresiones, se toman diversosescenarios macroeconomicos adversos y se utiliza simulacion Monte Carlo paraobtener posibles combinaciones de valores macroeconomicos. Entonces,las distribuciones de probabilidad de las tasas de default en los prestamosbancarios pueden ser generadas. El Value-at-Risk se calcula para evaluar comoun ambiente macroeconomico estresado puede afectar la probabilidad de defaulten los portafolios de prestamos de los bancos. Las variables consideradas son elGDP de Hong Kong y China, tasas de interes reales de Hong Kong y los preciosde bienes raıces en Hong Kong. Los resultados del trabajo sugieren una relacionsignificativa entre las variables consideradas y las probabilidades de default aprestamos e hipotecas bancarias. Despues de introducir al esquema diversosshocks, se observa que con 99% de confianza, los bancos continuaran teniendobeneficios en los escenarios estresados, lo que sugiere que el riesgo del sectorbancario es moderado.

En el trabajo de Olli (2009) se analizan las probabilidades de default enel sector corporativo en la zona euro bajo un rango de shocks fi-nancieros macroeconomicos, las cuales caracterizan las dinamicas que dominanlas carteras bancarias de prestamos a corporativos. Debido a que se analizanestas probabilidades bajo un rango de escenarios a traves del tiempo,este trabajo representa un esquema dinamico para Stress-Testing. Se utiliza unmodelo Global Vector Autoregressive (GVAR), que busca explicar el mecanismode transmision entre paıses de la zona euro, analizando a su vez la interaccionentre variables domesticas y externas, lo que da pie a un esquema en elque estan presentes diversos canales de transmision. Se construye un modelosatelite para conectar el modelo GVAR con valores de la zona euro, sobre lacombinacion de estos dos modelos se analiza el impacto de escenarios de estresen las probabilidades de default. Los datos que se incluyen en el analisis son de


probabilidades de default esperadas emitidos por Moodys KMV, correspondena 8 grupos de paıses que fueron agrupados en orden de representar una region,ademas los datos son clasificados por sector industrial.

En Kucukozmen y Yuksel (2006), se desarrolla un esquema macro-econometrico de riesgo de credito para el sistema bancario Turco y se usa esteen analisis de estres. Se aplica una version revisada del modelo CPV para datosturcos que incluyen el total del portafolio de prestamos del sistema bancario. Enel modelo empırico construido, los cambios en los radios NPL (non-performingloans) de ocho sectores fueron explicados por algunas variablesmacroeconomicas. Las evoluciones de las variables macro fueron estimadasmediante procesos ARIMA. Los residuales obtenidos fueron utilizadospara la construccion de la matriz de covarianza del sistema de ecuaciones, parala simulacion Monte Carlo y el calculo de perdidas esperadas.3. Esquema econometricoEl objetivo fundamental de un analisis de stress-testing aplicado a las carterasde prestamos bancarios agregadas es determinar si el sistema financiero, alestar inmerso en una situacion macroeconomica adversa, tendrıa que enfrentarsea perdidas que fueran de magnitud suficiente como para poner en peligro susolvencia y con ello debilitar significativamente el desempeno de la economıa.

Uno de los factores necesarios para realizar este analisis es la determinacionde escenarios macroeconomicos, lo que se entendera como una combinacion deeventos adversos reflejados en movimientos de las variables macroeconomicas.Se requiere que estos escenarios representen situaciones extremas peroplausibles, es decir, es preciso asegurar que esta combinacion constituya unamezcla realista, ya que una vez se hayan delimitados, la probabilidad asociadaa su ocurrencia no se considera mas un punto importante en el analisis. Laseleccion de estos escenarios se discutira en la siguiente seccion.

El segundo punto fundamental es rastrear los efectos potenciales de losescenarios macroeconomicos en las carteras de prestamos de los bancos, esto conla finalidad de evaluar su robustez. Para este paso se requiere la estimacion deun modelo econometrico que muestre la relacion que existe entre algun indicadorde solidez financiera con las variables macroeconomicas, que en lo siguienteseran denotadas como x1 · · ·xM , asociadas al escenario:

y = f(x1 · · ·xM ) + ε; (1)

donde y representa el valor del indicador financiero y ε es un termino de errorque captura los componentes no incluidos en el modelo. En terminos generales,el procedimiento consiste en proponer una forma explıcita para f , sustituir losvalores de x1, · · · , xM correspondientes a los escenarios y calcular los valoresde y suponiendo que ε = 0. Los valores resultantes seran interpretadoscomo estimadores de y condicionados a la ocurrencia de los escenarios, de modoque los cambios ocurridos seran considerados estimadores de los efectos de laimposicion de escenarios en el indicador financiero.

En los artıculos de Wong(2008) y Virolainen(2004) se han desarrolladoesquemas de Macro-Stress-Testing para medir la vulnerabilidad de losportafolios de prestamos bancarios e hipotecas en Hong Kong yFinlandia respectivamente, al igual que en Boss (2002) para el caso de bancos


de Austria, se incluyeron elementos planteados en el modelo de Wilson (1997),el cual presenta la relacion existente entre tasas de incumplimiento y factoresmacroeconomicos para simular la evolucion de las tasas de incumplimiento enel tiempo mediante la generacion de choques macroeconomicos en el sistema.En los artıculos mencionados se incluye la posibilidad de que ε sea diferentede cero en la ecuacion de y , y se considera que existe aleatoriedaden el comportamiento de las variables estocasticas ademas de correlacionentre los diversos componentes estocasticos, explıcitamente se toma en cuentala variacion de ε y su correlacion con las variables macroeconomicas x1, · · · , xM .

En el presente trabajo se busca implementar un esquema para stress-testingde la exposicion en diferentes carteras de credito ante choquesmacroeconomicos tomando como base el trabajo de Wilson (1997a,b), Wong(2008), Boss (2002) y Virolainen (2004). Con la finalidad de calcular tasas deincumplimiento empıricas que sean significativas, se toman datos agregados delos bancos pertenecientes al Sistema Bancario Mexicano. En esta seccionse presenta el desarrollo del modelo econometrico elaborado sobre variables deriesgo de credito entre diferentes carteras agregadas y dinamicasmacroeconomicas.3.1 Modelos macroeconomicos empıricosSupongamos que hay J carteras de credito distintas. Sea pj;t la tasa de in-cumplimiento promedio de la cartera j observada en el tiempo t, donde j =1 · · ·J . Se aplicara el modelo de Wilson para analizar las tasas de in-cumplimiento especıficas de cada cartera, de acuerdo al cual, la tasa mediade incumplimiento para la cartera j es modelado mediante la forma funcionallogıstica como:

pij =1

1 + exp(yi,t)(2)

donde pj;t representa la tasa de incumplimiento para el sector j en el tiempot, y yj;t esta asociado al indicador financiero que cuantifica el estado en que seencuentra cada cartera, de acuerdo con la formulacion original, la interpretacionde un valor mas alto de yj;t sera de una mejora en la situacion de la carteraj y estara asociado con un valor menor de pj;t. Por cuestiones de convenienciase usara el valor logit-transformado yj;t como la variable dependiente en laregresion. Es decir:

yi,j = ln1 − pij

pi,j(3)

de modo que −∞ < yi,t < ∞3.2. Formulacion de VirolainenDos formulaciones distintas para el esquema econometrico han sido utilizadascon frecuencia en la literatura relevante al analisis de estres, la eleccion entre unay otra, como se menciona en Yuksel(2006) o en Wong (2008), esta en funcion delos datos econometricos disponibles y de la especificidad de las relaciones queson consideradas relevantes. En lo siguiente se presentaran ambos esquemaseconometricos para resaltar sus diferencias y los beneficios del esquema que fueelegido para las estimaciones finalmente. En el primero, que esta basado en elplanteamiento de Virolainen (2004), se asume que las tasas de incumplimiento


en las diferentes carteras de credito estan determinadas por un grupo de factoresmacroeconomicos exogenos, es decir

yjt = βj,0 + βj,1x1,t + βj2x2t+, ·, +βj,M, xM,t + νj,t, (4)

donde βj es un conjunto de coeficientes que representa la relacion existenteentre cada cartera y las variables macroeconomicas, xi;t = 1 · · ·M , y cada νj;t

es independiente e identicamente distribuida de forma normal. El componentede riesgo sistematico es capturado a traves de las variables macroeconomicasxi;t con un efecto especıfico de sorpresa a traves de νj;t para cada cartera.

Lo siguiente es modelar y estimar el proceso que domina el comportamientode las series macroeconomicas que describan la salud de la economıa. En Viro-lainen(2004) se asume que cada una de las series sigue un proceso autorregresivode orden dos (AR(2)), de forma que

xi,t = ki,0 + ki,1xi,t−1 + ki,2xi,t−2 + εi,t, (5)

donde εi,t es un termino de error que se asume independiente e identicamentedistribuido de forma normal.

Las ecuaciones ( 4) y ( 5) en conjunto definen un sistema de ecuaciones quegobierna la evolucion conjunta de las tasas de incumplimiento en cada una delas carteras de credito y factores macroeconomicos con un vector de terminosde error EV de dimension (j + i) × 1 y una matriz de varianza covarianza determinos de error,

∑V , definida como sigue

Ev =(

νt

εt

)∼ N

(0,

∑V)

,∑V

( ∑v

∑v,ε∑

v,ε

∑ε

). (6)

Una vez estimados los parametros que caracterizan al sistema, se buscasimular las futuras trayectorias de las tasas de incumplimiento de cada carterasobre algun horizonte especıfico.3.3. Esquema de WongAhora se presenta el esquema deWong(2006), que modela de forma explıcitaun mayor numero de interacciones entre variables macroeconomicas y tasas deincumplimiento.

Sea yt = (y1,t · · · , yJ,t)′. Se supone que la tasa de incumplimiento trans-formada depende linealmente de un numero de factores macroeconomicos y deun termino de error, es decir:

yt = m + A1xt + · · ·+ A1+sxt−s + Φ1yt−1 + · · ·+ Φkyt−k + vt (7)

donde xt es un vector de M ×1 variables macroeconomicas, m es un vectorde J × 1 interceptos, A1, · · · , A1+s y Φ1, · · · , Φk son matrices de coeficientes deJ ×M y J × J respectivamente, y vt en un vector de perturbaciones de J × 1.La ecuacion ( 7) relaciona explıcitamente la variable de incumplimiento en lasJ carteras a las condiciones macroeconomicas.

Hay dos diferencias entre el modelo presentado por Wilson (1997a,b) yposteriormente Virolainen (2004), y el utilizado en Wong (2008). La primera


diferencia es que en Wilson (1997a,b) y Virolainen (2004) se asume queyt depende unicamente de xt, aquı se permite que el impacto de un choquemacroeconomico sea prolongado y que las probabilidades de in-cumplimiento esten correlacionadas entre carteras de credito. La segunda essobre las dinamicas de las M variables macroeconomicas, en el modelo original,cada una de ellas sigue un proceso autorregresivo (AR), en este trabajo se haceuna generalizacion al adoptar la siguiente especificacion:

xt = n + B1xt−1 + · · ·+ Bpxt−p + Θ1yt−1 + · · ·+ Φqyt−q + εt (8)

donde n es un vector de M × 1 interceptos, B1, · · · , Bp y Θ1, · · · , Θq sonmatrices de coeficientes de M ×M y M × J respectivamente, y εt en un vectorde perturbaciones de M × 1.

Las razones para optar por las modificaciones implementadas en eltrabajo de Wong (2008) son que, en primer lugar, la ecuacion ( 8) expresa unproceso de dinamicas que se considera mas realista debido a quepermite que las variables macroeconomicas sean mutuamente dependientes. Ensegundo lugar, la ecuacion ( 8) modela explıcitamente los efectos generados enel funcionamiento de la economıa a partir del desempeno de los bancos, esto alpermitir a xt depender de yt − 1, · · · , yt−q. Puede decirse que las ecuaciones( 7) y ( 8) juntas, definen un sistema de ecuaciones que gobierna la evolucionconjunta del movimiento de la economıa, las tasas de incumplimiento asociadasy sus terminos de error, considerando una mas amplia gama de relaciones entrecada uno de sus factores.

Se supone que vt y εt son normalmente distribuidas y que no presentancorrelacion serial, sus matrices de covarianza son

∑v y

∑ε respectivamente;

vt y εt estan correlacionados, con matriz de varianza covarianza∑

v,ε. Enresumen, la estructura de la varianza de las perturbaciones es como sigue:

eWt =

(νt

εt

)∼ N

(0,

∑W)

,∑W

( ∑v

∑v,ε∑

v,ε

∑ε

). (9)

Permitir que los elementos fuera de la diagonal de∑

v;∑

v,ε y∑

v,ε seandiferentes de cero es deseable, en primer lugar, es una forma de anadir lainfluencia de los factores que actuan sobre las variables dependientes que no hansido incorporados explıcitamente en las ecuaciones (7) y ( 8). Por otro lado,las correlaciones entre las perturbaciones en diferentes periodos de tiempo delas variables en (7) y ( 8) se incluyen y, los efectos que los desempenos de losbancos tienen sobre la economıa son capturados con mayor precision.3.4. Descripcion de datos

Las ecuaciones sobre las probabilidades de incumplimiento por carterafueron estimadas a partir de datos bancarios agregados para 65 instituciones debanca multiple y sociedades financieras, obtenidos desde la Comision NacionalBancaria y de Valores para el periodo de diciembre del 2000 a diciembre de2014.


La tasa de incumplimiento es medida por el radio entre el monto de CarteraVencida1 entre el monto total de prestamos otorgados por los bancos en cadacartera. Debido a la disponibilidad de informacion estadıstica para las diferentescarteras de credito bancarias, se ha optado por el analisis de las series de datospara las siguientes carteras, las cuales fueron transformadas por la formula logitque produce las series yt:

• Cartera de Creditos Comerciales (yCOMt )

• Cartera de Tarjeta de Credito (yTDCt )

• Cartera de Consumo No Revolvente2 (yNREt )

• Cartera de Credito a la Vivienda (yV IVt )

Al revisar las cuatro series por cambios estructurales en el periodo quecomprende la muestra y a partir del test de Bai-Perron para cambiosdeterminados de forma secuencial, se obtuvo que a un nivel de confianza de99% los datos de Credito Comercial, de TDC y de Vivienda no cuentan conrupturas estructurales, los resultados obtenidos a partir del test aumentado deDickey-Fuller sugieren que cada una de ellas es un proceso I(1), de modo que seopto por analizar las primeras diferencias logarıtmicas. En el caso de la carterade Credito No Revolvente, se obtuvo evidencia de la existencia de un cambioestructural, por lo que para evaluar la existencia de raız unitaria se utilizoel test de Zivot-Andrews, el cual sugiere que no existe, con el fin de obtenerresultados y estimaciones homogeneas se dio a esta serie el mismo tratamientoque al resto de las variables financieras. Las principales caracterısticas de lasseries se muestran en la tabla siguiente:

Cuadro 1: Estadıstica descriptiva de series financieras.

Por otro lado, con el fin de representar un panorama general de la situacionde la economıa, y dado a que los datos financieros considerados son deperiodicidad mensual, se incluyen variables macroeconomicas como el IndiceGlobal de Actividad Economica (IGAE), que permite conocer y dar seguimientoa la evolucion del sector real de la economıa en el corto plazo, y al ser el esquemaconceptual y metodologico de calculo el mismo que para el Producto InternoBruto (PIB), se considera que influye directa y positivamente en la capacidadde los agentes en la economıa para pagar el servicio de su deuda, de hecho, sise consideran prestamos adquiridos con la finalidad de financiar la actividadeconomica, es preciso incluirla como una de las variables relevantes.

1 De acuerdo a la Comision Nacional Bancaria y de Valores (CNBV), se define como el

monto de los creditos que no han sido pagados en los terminos originalmente pactados.2 Son creditos destinados a personas fısicas y contiene los siguientes tipos.- Creditos per-

sonales, ABCD (para bienes de consumo duradero), para auto, nomina y otros con caracterıs-

ticas similares.


La razon para incluir la tasa de interes real en Mexico como variableexplicativa es que afecta directamente el costo de la deuda, es por eso queel signo esperado ante aumentos en esta variable se espera sea negativo. Deigual forma, suponemos que al ser la tasa de interes en Estados Unidos unaimportante referencia en cuestiones de polıtica y como un indicador potente dela direccion de la economıa en dicho paıs, se considera en la representacion delpanorama economico.

Ademas, se tiene la hipotesis de que indicadores generados por el INEGIcomo el de Actividad Industrial, Tasa de Desempleo, Inflacion y ConsumoPrivado en el Mercado Interior, representan una fuente de informacion sobre eldesarrollo estructural a corto plazo de la economıa, y que al incrementarse susvalores tendrıan efectos negativos en el rendimiento de las carteras de creditopara el caso del desempleo y la inflacion, y positivos para el resto.

Para incluir en el analisis la posicion relativa en la que se encuentra laeconomıa mexicana con respecto a economıas extranjeras, se incluyen en elgrupo de variables macroeconomicas el Indice de Tipo de Cambio Real (ITCR)y el monto de Exportaciones totales. Se espera que un aumento en el ITCR setraduzca en una situacion menos favorable para las carteras de credito ya que undeterioro de los terminos de intercambio empeora las posibilidades de obtencionde recursos para el pago de deudas, y un aumento en las exportaciones un efectopositivo.

En cuanto al ındice de produccion y utilizacion de capacidad en EstadosUnidos, que proviene de un calculo mensual realizado por la Reserva Federal,cubre sectores como manufactura, minerıa, electricidad y gas y que toma encuenta diversos ındices de produccion por industria y sus ındices de utilizacionrelacionados. El detalle a nivel industria que aportan tales medidas representauna fuente de informacion sobre el desarrollo estructural de la economıa dedicho paıs. Esta informacion se considera relevante debido a la alta integracionque existe entre ambas economıas.

Finalmente, se incluyo como variable descriptiva de la situacion financieranacional el monto total de credito otorgado por instituciones financieras, y seespera que un crecimiento en esta variable se refleje en un mayor riesgo deincumplimiento derivado de una mayor deuda adquirida.

La seleccion de variables macroeconomicas que son analizadas seha realizado tomando como guıa los trabajos de Boss, Fenz, et al. (2009) yKucukozmen y Yuksel (2006). La estadıstica descriptiva y el signo esperado delas series macroeconomicas consideradas se presenta en el cuadro ( 2).


Cuadro 2. Estadıstica descriptiva de variables macroeconomicas

Al igual que para las variables financieras, a partir del test de Bai-Perron seobtuvo evidencia para la existencia de cambios estructurales en cada una de lasseries, y en base a los resultados obtenidos se utilizo el test de Dickey-Fullero el de Zivot-Andrews para existencia de raız unitaria. Los resultados de lasestimaciones y las transformaciones realizadas a cada serie se condensan en elcuadro ( 3).

Cuadro 3. Resultados de pruebas de raız unitaria para variables macroeconomicas.


Figura 1: Probabilidad de incumplimiento en carteras de credito

En la figura ( 1) es posible observar que las probabilidades de incumplimientoen cada una de las carteras crediticias siguen una dinamica similar al final delperiodo de estudio, pero es notorio que el efecto de choques macroeconomicosadversos, como el ocurrido partir de la crisis subprime, es de diferente magnituden cada una, de modo que se busca un metodo que permita medir el impacto decada una de las variables macro en cada una de las carteras, y ademas integrarun posible factor relacion entre el movimiento de las variables.

Se utilizo para las estimaciones el metodo Seemingly unrelated regressions(SUR), la idea de este metodo es que las ecuaciones podrıan estimarse de formaindependiente, pero al permitir la correlacion a traves de las ecuacionescontemporaneas, se busca incluir en el modelo el efecto que podrıa tener algunavariable que no este especıficamente en el modelo y sin embargo afecte alconjunto. De forma que permite la estimacion de diversasvariables dependientes a traves de un grupo de variables explicativas que nonecesariamente es el mismo para cada una, y con la posibilidad de correlacionde los terminos de error a traves de las ecuaciones.3.5. Resultados de la estimacionUna aseveracion realista es que un movimiento en las variables macroeconomi-cas no solo tiene efectos inmediatos en el manejo de las deudas en diferentessectores, de hecho, podrıa pensarse que en algunos casos (como en el caso de laproduccion industrial, o la actividad economica) esto puede tener un impactoretardado en la situacion financiera, y mas dado que los datos utilizados son deperiodicidad mensual, es preciso incluir rezagos macro en la representacion de


la situacion financiera. Es por ello que en las estimaciones del esquema econo-metrico se incluyeron en cada una de las ecuaciones de yt rezagos de cada unade las variables macro, la literatura que normalmente utiliza series macro decalculo trimestral suele incluir dos niveles de retraso, tomando como referenciael periodo de movimientos que se busca captar en dichos modelos, se incluyeronen el modelo seis niveles de retraso. Ademas, se incluyeron en cada ecuacionrezagos propios de cada cartera y dependencia de las demas carteras crediti-cias, ya que como apreciamos en la figura ( 1), hay motivos para pensar que losprocesos que dominan a cada variable podrıan estar relacionados.

El procedimiento de estimacion de las variables relevantes para laexplicacion de las variables financieras que aparecen en el cuadro ( 4), consistioen utilizar el metodo SUR para calcular el valor de los coeficientes, y de formaiterada, eliminar aquellos que no tuvieran relevancia estadıstica, hasta llegara aquella combinacion que resultara en un ajuste significativo de las variablesexplicadas. Finalmente, algunas de las variables macroeconomicas no resultaronsignificativas para las variables financieras, pero en la explicacion de las variablesmacroeconomicas sı, de modo que no fueron eliminadas del sistema.

Cuadro 4. Resultados de las estimaciones para las variablesfinancieras con el metodo SUR.


Cuadro 4: Resultados de las estimaciones para las variablesfinancieras con el metodo SUR. (continuacion)

A partir de los resultados obtenidos podemos concluir que la variable de creditootorgado lleva a un deterioro en las carteras de credito, la explicacion economicaque podrıa estar relacionada con esta dinamica es que el aumento enlos creditos otorgados no necesariamente proviene de creditos de alta calidad,apunta a que las instituciones financieras estarıan ampliando su mercado y a lavez incurriendo en un riesgo mayor.

En cuanto IGAE y a la produccion industrial, la asociacion que se hacedel aumento de estos indicadores a una mejora en la situacion economica, seconfirma con una mejorıa en la situacion crediticia para vivienda y creditocomercial.

El movimiento en la tasa de interes domestica se revela en un cambionegativo en la cartera de tarjeta credito, vinculado directamente a la carga dela deuda. El efecto en la cartera de credito comercial, la cual esta compuesta decreditos asociados con la actividad empresarial y destinados a su giro comercialo financiero, que resulta negativo inicialmente y positivo cuando se considera unplazo mayor, apunta a que la mejora en las condiciones de inversion derivadasdel aumento de la tasa de interes se traduce en una mejora en el manejo dela deuda en este sector. En cuanto a la cartera de credito a la vivienda y lade credito no revolvente, estas presenta una mayor intermitencia en el signode los coeficientes, pero considerando el impacto global, este resulta menoraunque negativo, es decir, en proyectos de inversion a largo plazo, como losque conforman las carteras viviendo y no revolvente, el aumento en la tasa deinteres dificulta el manejo de la deuda.

Como se senalo con anterioridad, las variables de tasa de interes real eindicador de produccion y ocupacion de EEUU, fueron incluidas en el analisisen el intento de modelar la influencia del estado de la economıa vecina en lasituacion crediticia, si evaluamos la disminucion de la produccion y el aumento


de la tasa de interes como elementos de deterioro de la economıa extranjera enel corto plazo, la respuesta de las variables financieras apunta a que esto deigual forma empeora en la calidad del credito, para las carteras ligadas a loscreditos comerciales, pero el efecto resulta ambiguo en el resto de las carteras.Como se observa en el cuadro ( 4), la descripcion de cada variable financieraincluye diferentes niveles de rezago sobre ella misma, ademas se realizaron lasestimaciones considerando una relacion con seis retrasos sobre el conjunto derestantes variables financieras, ası como con el resto de las estimaciones, seeliminaron aquellas que no resultaran significativas a un nivel de α = 10%.

Como se senalo anteriormente, en la estimacion de las variables financierasse descartaron por el orden de significancia estadıstica las variables de exporta-ciones, el tipo de cambio real, las tasas de inflacion y desempleo. Cabe senalarque las dinamicas representadas por variables en diferencias como las utilizadasen el presente modelo, pueden ser utiles al momento de estimar relaciones a muycorto plazo, por lo que no se puede descartar de forma tajante la existencia deuna relacion entre estas variables y la situacion crediticia de las institucionesfinancieras.

Una prueba que se incluye para darle validez a las estimaciones es la dePormanteau para autocorrelacion entre estos, los resultados se incluyen en elcuadro ( 5) y es posible concluir que no existe autocorrelacion.

Cuadro 5: Tests para Autocorrelacion en Sistema de Residuales de PortmanteauHipotesis nula: no hay autocorrelacion residual hasta el lag h

Considerando que un factor importante en la validez de los resultados obtenidosen el modelo radica en el comportamiento de los residuales, buscamos que estossean comportados de forma normal. En el cuadro ( 6) se presenta la estadısticadescriptiva de los residuales.


Cuadro 6. Estadıstica descriptiva: residuales de modelo econometrico

Cuadro 7: Multivariate Normality Tests

Considerando los resultados de curtosis y el estadıstico de Jarque-Bera presen-tado, es posible inferir que los residuales pueden verse como ruido blanco. Amodo de comprobacion, se tomaron en cuenta los resultados de diversas prue-bas de normalidad cuyos resultados son presentados en el cuadro ( 7) y por lotanto, a un nivel de siginificancia de 5% no es posible rechazar la hipotesis denormalidad multivariada por parte de los residuales. De modo que los residuosson bien comportados y se puede pasar a la simulacion.4. Simulacion Monte Carlo y escenarios de estresSiguiendo a Wong (2008),Wilson (1997) y Virolainen (2004), la forma en quese realizaron pruebas de estres sobre el sistema estimado en la seccion anteriores la siguiente.

La idea es comparar la perdida estimada en las carteras de credito en dosdiferentes situaciones, la primera, el escenario base, sin introducir algun choqueartificial, y la segunda, incluyendo situaciones especıficas de estres en variablesmacroeconomicas. Para ambas se estima una distribucion de probabilidad apartir de las frecuencias obtenidas para los datos de perdida en las carterascrediticias.

Estas distribuciones, que son obtenidas para un horizonte temporal es-pecıfico para cada cartera de credito en el escenario base y en los escenariosestresados, se obtienen de forma separada al simular un numero grande detasas de incumplimiento en las carteras de credito de forma conjunta mediantela aplicacion del metodo de Monte Carlo.

Para obtener simulaciones sobre las probabilidades de incumplimiento enel escenario base, se empieza por obtener un vector especıfico de probabilidades


de incumplimiento adelantado por un periodo, esto a partir de un vector de devariables aleatorias r considerando una distribucion normal con media cero yvarianza

∑W , que representara una realizacion del vector de perturbaciones et.Dado el valor presente obtenido para las variables maroeconomicas y sus

valores pasados, las J tasas de incumplimiento y las perturbaciones capturadasen r, los valores de un periodo hacia adelante yj;t+1 y xi;t+1 se pueden calculara traves de las ecuaciones ( 7) y ( 8). De forma similar, los valores asociadosa dos periodos hacia adelante pueden ser calculados con la simulacion de otrovector r, obtenido considerando el supuesto de independencia temporal de losresiduales, mas el resultado de un periodo hacia adelante previamente obtenido.

De forma iterada, se obtiene una trayectoria futura para las tasas deincumplimiento de las J carteras crediticias, esto delimitado al horizonte detiempo que se pretende estudiar. Es preciso senalar, que el numero de vecesque se repite el procedimiento debe ser lo suficientemente grande para poderasegurar convergencia a la distribucion real.

Al realizar simulaciones, se obtendran trayectorias que teoricamente partende diferentes realizaciones de las variables macroeconomicas y de las perturba-ciones representadas por vt en la ecuacion ( 7).

Una vez que se obtengan suficientes datos sobre yt, es preciso realizar latransformacion inversa a la descrita en la seccion (3.1), para ası tratar unica-mente con probabilidades de incumplimiento. Anadiendo datos sobre la LGD(Loss Given Default), la distribucion asociada a la perdida en las carteras decredito puede ser estimada. Siguiendo a Wong (2008), que al no contar conestadısticas sobre este indicador opto por elegir un factor fijo para la LGD, seasumira que la perdida real en la cartera de credito una vez que ha ocurrido elincumplimiento es de 25%, de modo que la distribucion de perdida se obtendrade la multiplicacion de la probabilidad de incumplimiento y la perdida dado elincumplimiento.

En la construccion de la distribucion de las posibles perdidas crediticiasen los escenarios estresados, se introducen eventos adversos artificiales en lasvariables macroeconomicas seleccionadas para ser la fuente del estres, y el restode las variables macroeconomicas del conjunto son simuladas de forma normal.

Ahora, para obtener la distribucion de probabilidad de las variables fi-nancieras en una situacion de estres, se selecciona la fuente de este, se generael vector de perturbaciones a partir de la misma distribucion normal con mediacero varianza

∑W , pero, en esta ocasion, se introduce de forma artificial elchoque seleccionado en la entrada correspondiente del vector r, entonces r sevuelve semi-aleatorio.

Al incluir un choque en alguna variable a traves de este mecanismo, el restode las variables macroeconomicas son afectadas tambien debido al supuesto deque los elementos fuera de la diagonal de

∑W no son necesariamente igualesa cero y a que puede existir alguna dependencia explıcita en el sistema entreeste conjunto. En otras palabras, la variable macroeconomica alterada no serala unica afectada de forma negativa en la simulacion, ya que el choque seratransmitido a las otras variables a traves del impacto de esta perturbacion enlas otras perturbaciones y ası por cada uno de los periodos estimados. Lasimulacion de las tasas de incumplimiento para dos periodos hacia adelante


requiere la simulacion de otro r. En caso de que el choque sobre la variablemacroeconomica sea disenado como duradero, sera necesario seguir modificandoel valor correspondiente en el vector r y haciendolo semi-aleatorio. En casocontrario, se deja que r tome los valores obtenidos de la simulacion como en elcaso de la distribucion para el escenario base. Con base en este procedimiento,se construyen trayectorias para las variables financieras bajo el supuesto deque ocurre el escenario adverso, para la duracion dada del periodo del choqueartificial.

Es preciso senalar que el sistema de ecuaciones establecido en el Capıtulo3 caracteriza las dinamicas de las variables financieras y las del sector macroe-conomico, de modo que una trayectoria simulada se considerada derivada delmovimiento en las variables macroeconomicas, y esta relacion esta basada enlas estimaciones que se obtuvieron a partir de los datos historicos.

En teorıa, las simulaciones sobre el escenario base producen una estimacionde la distribucion de probabilidad no condicionada de las posibles perdidascrediticias, es decir, al no considerar la ocurrencia de un choque en particular (ode una trayectoria especıfica para las variables macroeconomicas), se obtienencualquier tipo de trayectorias, que llevan a estimar una distribucion que noesta sujeta a un evento especıfico. En cambio, para los escenarios de estres,las frecuencias de las perdidas en las carteras que se obtienen con simulacionMonte Carlo, estan restringidas a la ocurrencia de eventos en particular, es de-cir, representan un amplio conjunto de trayectorias posibles para el resto de lasvariables del sistema cuando se da por hecho que el evento adverso ha ocurrido.Por lo tanto, al comparar la distribucion de perdida, condicionada al escenarioestresado, con la distribucion no condicional del escenario base, se obtiene infor-macion sobre el posible impacto de las condiciones macroeconomicas adversasdesencadenadas por el choque que se introdujo.

La decision de incorporar un mayor numero de relaciones estimadas entrevariables macroeconomicas y variables mediante la adopcion del esquema deWong en vez del de Virolainen, es que la dinamica de efectos a traves de losperiodos que incluyen las trayectorias que fue descrita anteriormente, no esdel todo modelada, bajo un esquema mas convencional, los choques que sonintroducidos en alguna de la variables del conjunto, afectan al resto solo atraves del termino de error incluido en cada ecuacion.

Como se ha mencionado anteriormente, el interes de realizar un ejerciciode estres sobre un sistema como el aquı presentado, radica en obtenerinformacion sobre la respuesta de variables financieras ante un evento adverso enel esquema macroeconomico que no necesariamente sea de frecuente ocurrencia,considerando una gama amplia de posibilidades para incluir de forma acertadalo componentes probabilısticos involucrados en las dinamicas del conjunto devariables.4.1. Delimitacion de escenarios adversosEl siguiente paso es generar las simulaciones de probabilidades de in-cumplimiento partiendo de las estimaciones obtenidas con el metodo SUR, paraası construir las distribuciones asociadas y calcular un porcentaje de perdidaesperada.

La forma de generar vectores de error para ser introducidos al sistema serala que se utilizo en los trabajos de Boss (2002), Yuksel (2006), entre otros. Un


vector aleatorio de la distribucion normal multivariada se obtiene al calcular ladescomposicion de Cholesky C de la matriz de covarianzas

∑, donde C se define

por∑

= CC′. Se multiplica por C′ a un vector aleatorio z cuyas entradas seanobtenidas de una normal estandar de forma independiente y se ası se obtiene r.El horizonte temporal para cada choque sera de una ano, esto debido a que esun lapso socorrido en la literatura relevante.

El periodo que es considerado como inicial es diciembre de 2014, de modoque al haber incluido seis rezagos en el sistema, como datos historicos entraranen el las trayectorias desde julio hasta diciembre de 2014. Los choques seraninducidos en el periodo de enero a diciembre de 2015, y se simulara la trayectoriahasta diciembre de 2016, es en este punto donde el efecto se evaluara.

Para cada una de las distribuciones se tomaron en cuenta 10,000 repeti-ciones del procedimiento de simulacion. En el caso del escenario base, como semenciono anteriormente, no fue inducido ningun choque artificial.

En cuanto a los escenarios adversos, aquı se ha tomado en cuenta lacaracterıstica de plausibilidad, de acuerdo a las definiciones basicas de riegosdel Banco de Mexico, una forma de crear escenarios3 es tomar en cuenta valoresla serie de valores historicos de los factores de riesgo relevantes y seleccionaralguno que este relacionado a situaciones de crisis. Ası mismo, como lo senaloBlaschke et. al. en 2001, el uso de este enfoque es la forma mas intuitiva decrear escenarios adversos, ya que queda asegurada la plausibilidad.

La seleccion de escenarios adversos se hizo tomando en cuenta lasvariaciones maximas en los factores de riesgo. Las variables que se eligieroncomo fuentes del estres y la duracion de los choques inducidos son los siguientes:

• Crecimiento de la tasa de interes real domestica por 300 puntos base,inducido de forma paulatina durante 12 meses

• Caıda en el crecimiento del IGAE de 2.2 %, inducido igualmente de formapaulatina durante 12 meses

• Una reduccion del crecimiento del IPCU por 3.3% ocurrido durante losprimeros 5 meses de la simulacion4.2. ResultadosLas graficas del kernel de las distribuciones de perdida en las carteras de creditoson representadas en las figuras ( 2), ( 3) y ( 4), y se observa que, al introducirun choque, la distribucion se desplaza hacia la derecha, representando un au-mento en la frecuencia de altos porcentajes a expensas de los bajos, es decir, unaumento en la probabilidad de incurrir en una mayor perdida una vez que seesta en una situacion macroeconomica adversa, esto para los choques inducidosen las tasas de interes reales y el indicador de actividad economica en Mexico.En el caso del tercer escenario, se observa que la distribucion se concentra masen los extremos, aunque al observar los datos de VaR la respuesta de las carterasfinancieras queda mas clara.

3 Definiciones Basicas de Riesgos, Noviembre 2005. Escenarios extremos historicos:Consiste en valuar los portafolios considerando los factores de riesgo que se presentaron en

situaciones historicas de crisis.


Figura 2. Perdida crediticia bajo escenarios base y de aumento en tasas de interes reales.


Figura 3. Perdida crediticia bajo escenarios base y de decremento en IGAE.


Figura 4. Perdida crediticia bajo escenarios base y de decremento en IPCU.

Los resultados para el VaR en diferentes niveles de confianza son presentadosen el cuadro ( 8), observamos que en el caso de los choques en IGAE e IPCU, elporcentaje de perdida potencial en las carteras aumenta, es decir, la provisionde capital que es necesaria para que los bancos esten protegidos ante choquesmacroeconomicos es mayor, lo que nos llevarıa a suponer que al enfrentarse aescenarios adversos delimitados por las condiciones historicas de las variablesde riesgo, los bancos no tendrıan un aumento sustancial en su nivel de perdidas,tanto como para que ello represente un riesgo para el Sistema Financiero. Parael caso del escenario de alta tasa de interes real, la interpretacion de los datosde la tabla ( 8) no es tan clara, en el cuadro ( 9) se puedo apreciar de forma masclara que el cambio en el VaR para distintos niveles de confianza no siempre es


mayor para el escenario adverso, sin embargo, podemos notar que la distribuciontiene un ligero desplazamiento a la derecha a partir de los valores de la mediaen ambas distribuciones, esto nos sugiere que de igual forma, los valores deperdida se concentran en cantidades mayores.

Cuadro 8: Media y VaR para perdidas crediticias

Cuadro 9: Diferencias en media y VaR para perdidas crediticias, diferencias

5. ConclusionesEl objetivo de este trabajo fue presentar un vınculo entre indicadores financierosde la deuda en las carteras de credito agregadas del SistemaBancario Mexicano, y variables macroeconomicas que representen el estado de laeconomıa en el paıs. La contribucion esencial consiste justamente en cuantificarestas relaciones y presentar un esquema que describe la dinamica de las seriesfinancieras consideradas.

Se obtuvo un esquema que permitio estimar distribuciones de probabilidadcondicionadas a la ocurrencia de eventos en particular y una no condicionada.Esto hizo posible evaluar el deterioro que sufre la deuda cuando se enfrentaa algunos posibles escenarios adversos, construidos a partir de situaciones decrisis anteriores. Al comparar las distribuciones de probabilidad asociadas ala ocurrencia de los escenarios adversos con la distribucion no condicionada,se observo un deterioro en la situacion de las carteras de credito, pero, notan significativo como para hacer posible concluir que existe vulnerabilidadproveniente de este apartado especıfico del balance bancario.

Es preciso hacer enfasis en la particularidad del resultado obtenido, conla evaluacion de los efectos de tres posibles situaciones adversas no es posible


concluir que la exposicion al riesgo que estas instituciones enfrentan esdespreciable. La unica conclusion posible es la que esta restringida a laocurrencia de los escenarios planteados. Por otro lado, el esquema presentadoes un ejemplo de como podrıan ser estimadas las relaciones financieras ymacroeconomicas para la evaluacion de sensibilidades a situaciones hipoteticas,este serıa de utilidad en la prevencion de riesgo para instituciones en particulary como mecanismo de vigilancia por parte de las autoridades financieras.

Cabe senalar que durante la realizacion de este trabajo se detectaronalgunas posibles mejorıas o extensiones que de ser aplicadas a datos del sistemafinanciero podrıan aportar mayor exactitud en la estimacion de la dinamica quesiguen las variables.

Por un lado, el analisis estuvo restringido a la disponibilidad de datosfinancieros, tanto temporal como en cuestion de periodicidad. En cuanto a esto,a diferencia de la mayorıa de la literatura, los datos utilizados aquı fueron deperiodicidad mensual. Muchos de los mas importantes indicadores economicosestan calculados por trimestre, la inclusion de este tipo de variables relevantesen el modelo podrıa representar un incremento de su poder explicativo.

Ademas, la mayorıa de las series financieras y macroeconomicas que seanalizaron resultan ser de raız unitaria. La modificacion del modelo a modode incluir solo variables cointegradas en niveles, aplicando los respectivosmecanismos de correccion, es otra posible mejora que no solo podrıa aumentar elpoder explicativo del modelo, si no que harıa mas evidente la relacion existenteentre los dos conjuntos de variables. Por otro lado, incluir un modelo macroe-conomico para el diseno de escenarios junto con indicadores que representenmejor el estado de la economıa tambien significarıa una mejor aproximacion.

Finalmente, el incluir en el modelo la representacion explıcita de lasconexiones entre las diversas instituciones financieras aportarıa tambien unmayor alcance al proyecto.

BibliografıaBlaschke, W., Jones, (2001). M. Stress Testing of Financial Systems: An Overview of Issues,

Methodologies, and FSAP Experiencias. International Monetary Fund.Boss, Fenz, et al. (2009). Modeling Credit Risk through the Austrian Business Cycle: An

Update of the OeNB Model. Financial Stability Report 17.Boss, M. A (2002). Macroeconomic Credit Risk Model for Stress Testing the Austrian Credit

Portfolio. Financial Stability Report 4, Oesterreichische Nationalbank.Brooks, C. (2008). Introductory Econometrics for Finance. Cambridge University Press.Castren, O., Dees, S., Zaher, F. (2009). Stress-testing Euro Area Corporate Default

Probabilities using a Global Macroeconomic Model. Journal of Financial Stability 664/78. 2009

Kucukozmen, Yuksel.(2006). A Macroeconometric Model for Stress Testing Credit Portfolio.Presentado en la Conferencia de la Multinational Finance Society Edinburgh, UK.

Sorge, M., Virolainen, K. A (2006). Comparative Analysis of Macro Stress-TestingMethodologies with Application to Finland. The World Bank, Washington, and Bankof Finland, Helsinki.

Virolainen, K. (2004). Macro Stress-Testing with a Macroeconomic Credit Risk Model forFinland. Bank of Finland. Discussion Paper, No. 18/2004.

Wilson, T. C. Portfolio Credit Risk (I). (1997) Risk (9).Wilson, T. C. Portfolio Credit Risk (II) (1997). Risk (10).Wong, J. H-Y. (2008). A framework for stress-testing banks’credit risk. The Journal of Risk

Model Validation, 2( 1), pp. 3-23.

c:usersadolfodocumentsmy pctex fileslesli1lesli1

Documents